LTX-2.5 は、まず半分のサイズで映像と音声を生成し、その後アップスケールして精修します。この LoRA は第 1 ステージ専用で、蒸留版の 8 ステップを 2 ステップに短縮し、テキストから動画(文生视频)および画像から動画(图生视频)の両方に適用可能です。作者は DMD2 を用いて単一の H200 GPU で訓練しており、現在は第 12000 ステップの候補版で、最終的に 24000 ステップまで訓練する予定です。訓練解像度は 576×320 および 320×576 で、精修後は 1152×640、長さ 5 秒です。付属の ComfyUI ワークフローには、NVIDIA の 1 ステップ精修モデルと Pruna の軽量 VAE デコーダーが組み込まれており、ローカル用と Comfy Cloud 用の両方が提供されています。
なぜ重要か 1 ステップ精修と高速デコーダーを組み合わせることで、音声付きの短い動画プレビューをより迅速に生成でき、プロンプトやシード値の選定に適しています。
Hugging Face のいいね数 5 · Hugging Face の上昇スコア 4 · Hugging Face のダウンロード数 27
ライセンス:条件付き商用利用可 · ComfyUI:モデルカードに記載あり · VRAM:記載なし
理由
- モデルカードには、完全なサンプリングパラメータ(sigmas、サンプラー、CFG)と、複数のテキストから動画および画像から動画のサンプルが含まれています
使い方
- 対応する t2v または i2v ワークフローをダウンロードし、LoRA は第 1 ステージのみで強度 1.0、ステップ数 2、Euler Ancestral サンプラー、CFG 1 で使用してください。精修ステージには接続しないでください
リスク
- 作者は実験的性質であることを明記しており、迅速なプレビューには適していますが、最終的な制作物には適していません
- LTX-2.x コミュニティライセンスにより、商用利用には条件があります。他の解像度は訓練されていません